Abstracto

Predicción de la tensión residual en compuestos de matriz metálica mediante curvatura

  Dr. Neil Fellows 

 Los materiales compuestos de matriz metálica (MMC) pueden proporcionar propiedades de material y de componente muy deseables. Los MMC se pueden dividir en aquellos que están reforzados por fibras largas y continuas (como carbono, alúmina, silicio, boro y carburo) o aquellos reforzados por fibras discontinuas (partículas). La adición de fibras y partículas permite mejorar la propiedad del metal base (matriz). Se sabe que las propiedades de resistencia de los MMC están muy influenciadas por el proceso de fabricación, causado por cambios en la microestructura de la matriz y por la introducción de tensiones residuales. Es muy difícil medir las tensiones residuales dentro de los MMC, lo que genera incertidumbre en términos de predicción de esas tensiones. Para superar estos problemas, en este artículo se presenta un método indirecto para predecir las tensiones residuales, mediante la combinación de la curvatura numérica y experimental. El MMC elegido para la investigación es el aluminio 6061 reforzado con fibras largas de carburo de silicio. Los modelos numéricos presentados corresponden a una placa de aluminio con capas internas de fibra de silicio que se han dispuesto en direcciones de 0°9° o +55°-55°, de modo que las placas no sean simétricas respecto de la línea media. Los modelos numéricos tienen en cuenta los cambios en las propiedades del material debido a la fluencia y la carga térmica. Para probar la capacidad de los modelos numéricos de predecir la curvatura, se fabricaron placas de aluminio según las mismas especificaciones utilizando las mismas condiciones de proceso de fabricación que las utilizadas en los modelos. Las curvaturas entre los modelos y las placas fabricadas mostraron una buena correlación, lo que da confianza en la capacidad de los modelos de predecir las tensiones residuales para componentes más complejos.

Descargo de responsabilidad: este resumen se tradujo utilizando herramientas de inteligencia artificial y aún no ha sido revisado ni verificado.

Indexado en

Índice Copérnico
Open J Gate
Academic Keys
ResearchBible
CiteFactor
Cosmos SI
Búsqueda de referencia
Universidad Hamdard
director académico
Factor de impacto de revistas innovadoras internacionales (IIJIF)
Instituto Internacional de Investigación Organizada (I2OR)
Cosmos
Fundación de Ginebra para la educación e investigación médicas
Laboratorios secretos de motores de búsqueda

Ver más